Täsmälääketieteen professori Olli Kallioniemellä on meneillään pitkäkestoinen tutkimushanke. Sen pyrkimyksenä on luoda dataperusteinen tapa, jolla verisyöpiin kuuluvaa akuuttia myelooista leukemiaa voisi diagnosoida aiempaa tarkemmin tekoälyä hyödyntäen.
Kunnianhimoinen ja uutta luova hanke siis.
Mutta oikeastaan Kallioniemi ei haluaisi puhua siitä. Yksittäinen tutkimus kun on vain pieni osa suurta muutosta.
”Tekoäly tulee mullistamaan koko lääketieteen kansanterveydestä diagnostiikkaan ja hoitopäätöksiin asti ”, Kallioniemi sanoo.
”Tämä on se iso kuva, jota haluan tutkijana tuoda esiin. Kukaan meistä ei vielä tiedä, mikä kaikki muuttuu ja millä tavoin, mutta on jo varmaa, että moni asia muuttuu. Nyt on siis tärkeä hetki katsoa eteenpäin.”
Hän korostaa, ettei kyse ole hypestä. Kehitys etenee parhaillaan huimaa vauhtia.
”On arvioitu, että vuonna 2001 tuhannella dollarilla pystyi ostamaan käyttöönsä hyönteisaivojen verran laskentatehoa. Vuonna 2010 hiiren aivojen verran. Nyt ollaan jo tilanteessa, jossa tuhat dollaria riittää ihmisaivojen laskentatehoon. Muutaman vuoden päästä ollaan tilanteessa, jossa tuhannella dollarilla saa käyttöönsä koko ihmiskunnan yhteisen aivokapasiteetin verran laskentatehoa.”
Maailman parhaat rekisterit
Laskentateho ei kuitenkaan riitä. Tekoäly tarvitsee tuekseen myös dataa. Tässä Suomi on maailman parhaita paikkoja.
Kallioniemi on toiminut viimeiset yhdeksän vuotta Ruotsin Science for Life
-laboratorion johtajana. Nyt hän palaa Suomeen Suomen Lääketieteen Säätiön, Sigrid Juseliuksen Säätiön ja Jane ja Aatos Erkon säätiön yhteisen Aivotuonti-ohjelman apurahan avulla. Viisivuotisen, 2 500 000 euron apurahan avulla Kallioniemi perustaa tutkimusryhmän Helsingin yliopistossa toimivaan Suomen molekyylilääketieteen instituuttiin FIMMiin vaiheittain vuosien 2024–2025 aikana.
”Suomessa tutkimusta ei rahoiteta niin paljon kuin Ruotsissa, mutta etuina ovat esimerkiksi paljon paremmin saatavilla olevat tutkimusaineistot ja rekisterit. Meillä on tehty jo vuosikymmenen ajan systemaattista työtä, jotta esim. biopankit, genomitieto ja terveydenhuollon eri rekisterit ovat tutkimuksen käytettävissä. Tietoturvallisesti ja eettisesti kestävällä tavalla.”
Näin tutkijat pääsevät käsiksi valtavaan määrään terveystietoa, josta voi hakea esimerkiksi tietoja siitä, millaiset erilaiset riskitekijät altistavat eri sairauksille.
Joskus tieto voi tulla yllättävästäkin suunnasta. Kallioniemi mainitsee esimerkiksi silmänpohjakuvat, joita otetaan rutiininomaisesti, kun pyritään seulomaan silmätauteja. Tekoälyn avulla silmäpohjakuvien perusteella on voitu myös yllättäen ennustaa sydäntautien ja neurologisten tautien pitkäaikaista riskiä.
Miten tekoäly määrittelee syövän?
Tekoälyn käyttö lääketieteen tutkimuksessa ei ole uutta. Tekoäly voi auttaa esimerkiksi radiologeja seulomaan keuhkokuvista kasvaimia ja patologeja tulkitsemaan histologisia leikkeitä.
Hyvä alku ei vielä riitä, tuumii Kallioniemi.
”Tekoäly on ensimmäisessä vaiheessa opetettu diagnosoimaan samoja löydöksiä kuin lääkärit. Sen se tekee nopeammin, kustannustehokkaammin ja joskus jopa tarkemmin kuin ihminen. Silti kyseessä on vain ihmisen matkiminen, ja ihmisen tulee tarkistaa tekoälyn antamat tulokset.”
Kallioniemen toiveissa on saada tekoäly diagnosoimaan asiat alusta alkaen uudella tavalla.
”Ajatellaan vaikka miten syövät tunnistetaan”, Kallioniemi kuvaa.
Patologeilla on tietyt kriteerit, joiden perusteella he luokittelevat mikä kasvain on pahanlaatuinen ja mikä ei tai kuinka aggressiiviselta syöpä näyttää.
”Mutta onko tämä kriteeristö tarkin mahdollinen? Voisiko tekoäly tehdä sen kokonaan uudella tavalla, kenties eri tavalla ja aikanaan paremmin?”
Kallioniemen visiossa tekoälylle ei enää annetakaan ihmisten luomia kriteerejä, vaan valtava määrä tietoa esimerkiksi geeneistä, laboratoriotuloksista, lääketieteellisestä kuvantamisesta, taudin ennusteesta, hoitovasteista ja niin edespäin. Niiden avulla tekoäly voisi itse luoda kriteerit uudelle diagnostiikalle ja luokittelulle.
Kallioniemi uskoo tekoälyn löytävän esimerkiksi kuvatiedoista asioita, jotka jäävät ihmisiltä huomaamatta.
”Ihmissilmä ei myöskään ole kovin hyvä mittaamaan asioita. Tekoäly sen sijaan laskee esimerkiksi kuvista etäisyydet ja määrittää ominaisuudet pikselin tarkkuudella”, Kallioniemi huomauttaa.
”Vertaisin eroa siihen, että katsotaan vanhaa mustavalkotelevisiota tai HD-väritelevisiota. Toisesta saa paljon enemmän informaatiota.”
Sinänsä tilanne, jossa tekoäly hahmottaa asioita ihmistä paremmin, ei ole uusi. Esimerkiksi Go-pelissä ihmisen voittava tekoäly tekee ajoittain siirtoja, jotka vaikuttavat ihmisistä järjettömiltä, mutta joiden oveluus paljastuu vasta pitkän ajan päästä.
Aivotuonti mahdollisti paluun
Kallioniemen paluu Suomeen johtuu paitsi tutkimuksellisista mahdollisuuksista myös henkilökohtaisista syistä. Hänen vaimonsa ja aikuiset lapsensa asuvat Suomessa.
”Olen tehnyt tutkijanurastani noin puolet, yhteensä 20 vuotta, ulkomailla, Yhdysvalloissa ja Ruotsissa. Tässä vaiheessa paluu Suomeen tuntui siksikin mielekkäältä.”
Hän kiittää Aivotuonti-apurahaa paluun mahdollistamisesta.
”Tekoälyn hyödyntäminen lääketieteellisessä tutkimuksessa on myös laaja ja moninainen ala, eikä perinteinen lääketieteen professuuri yliopistossa kata sellaista työkuvaa. Apuraha mahdollistaa siirtymisen ja aikanaan uuden roolin luomisen.”
Myös Kallioniemen tuleva esimies, Helsinki Institute of Life Sciencen johtaja, professori Jari Koistinaho on innoissaan tutkijan paluusta.
”Olli on ollut aiemminkin pitkään FIMM-yksikössämme. Tunnemme hänet luovana ja laaja-alaisena tutkijana. Minusta on hienoa, että hän pääsee taas hallintohommista enemmän tutkimuksen pariin.”
Helsingin yliopisto on Koistinahosta hyvä paikka tutkia tekoälyn mahdollisuuksia.
”Meillä on sekä rekisteri- että tekoälyosaamista.”
Kasvain tekoälyn tarkasteltavana
Mutta jos vielä lyhyesti tutkimuksesta? Kallioniemi vakuuttaa jatkavansa myös syöpätutkimusta. Ajatuksena on niin ikään hyödyntää tekoälyä, mutta tällä kertaa spesifisti syövän diagnostiikan kehityksessä.
”Sinänsä ajatus on ihan sama kuin laajemmassakin kuvassa. Otamme kudosnäytteitä vuosikymmenten varrelta, digitoimme ne entistä tarkemmin ja pyrimme opettamaan tekoälyä diagnosoimaan kasvaimia ja erottamaan vaaralliset vaarattomista.”
Teksti: Juha Merimaa Kuva: Veikko Somerpuro / Helsingin yliopisto